新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI_NovelGenerator:10 分钟跑通本地长篇小说生成流程

发布时间:2026/11/12 22:42:25来源:尧图网络
AI_NovelGenerator:10 分钟跑通本地长篇小说生成流程
AI_NovelGenerator10 分钟跑通本地长篇小说生成流程【免费下载链接】AI_NovelGenerator使用ai生成多章节的长篇小说自动衔接上下文、伏笔项目地址: https://gitcode.com/GitHub_Trending/ai/AI_NovelGeneratorAI_NovelGenerator 是一款基于大语言模型的多章节长篇小说生成工具能够自动衔接上下文、管理跨章伏笔。跑通后你会得到一个本地小说工作台输入主题即可得到设定文档、章节目录、定稿正文文件的完整产出链。能力速览小说设定生成根据主题与类型产出世界观、角色画像与剧情暗线目录自动规划一次性输出全部章节的标题与剧情发展提示章节正文生成自动引用前文设定、目录与已定稿章节保持上下文连贯向量语义检索回溯伏笔与前期情节维护全书前后一致自动一致性审校检测剧情矛盾与角色逻辑冲突前置条件Python 3.9推荐 3.10–3.12并可用 pip大模型 API 密钥OpenAI / DeepSeek / Gemini或本地 Ollama 等兼容 OpenAI 接口的服务可访问对应 API 的网络使用本地模型时需先启动 Ollama 服务安装与首次启动第 1 步克隆仓库git clone https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator第 2 步安装依赖pip install -r requirements.txt如有包编译失败先安装 C 构建工具链再重试。第 3 步启动主程序python main.py预期弹出小说工作台 GUI 窗口项目为纯 Python 实现运行不需要 GPU模型调用均走 API 服务。启动后界面包含模型配置、小说参数、章节列表与生成流程四个区域下面的步骤全部在窗口内完成。关键配置说明配置可以直接在 GUI 的配置页签中填写应用会将其保存为 config.json 以便下次复用。完整字段参考根目录下的 config.example.json 示例。参数作用推荐值api_key大模型服务认证凭证自己获取的密钥base_urlAPI 服务地址对应服务商官方地址model_name主生成模型名称deepseek-v4-flash 等temperature文字创意度0–10.7前 3 项构成可用模型配置的最小集合密钥留空时生成按钮无法调用服务。temperature 首次运行建议 0.7跑通后可调到 0.9 让文风更多变。若使用本地 Ollamabase_url 填本地服务地址向量检索embedding部分需显式指定接口格式与模型名称。跑通一个最小场景Step 1在小说参数区填写主题如“废土世界的 AI 叛乱”、类型、章节数、每章字数并选择保存路径。预期参数就绪供后续生成步骤使用。Step 2点击「Step1. 生成设定」。预期生成包含世界观与角色信息的设定文件 Novel_setting.txt可直接在编辑器中修改。Step 3点击「Step2. 生成目录」。预期生成包含每章标题与剧情提示的目录文件 Novel_directory.txt。Step 4填写章节号与“本章指导”提示点击「Step3. 生成章节草稿」。预期本章正文生成并显示在左侧文本框中确认后可点击「Step4. 定稿当前章节」更新全局摘要与角色状态文件保存到输出目录。进阶调优retrieval_k向量检索返回条数调大后章节生成会引用更多前期情节choose_configs为设定、目录、草稿、定稿等任务分别指定不同模型快慢搭配timeoutAPI 响应慢时调大到 600避免网关超时章节生成流程位于 novel_generator/提示词模板在 prompt_definitions.py调整这两处比在 GUI 里改参数更直接。常见问题速查现象可能原因处理方式Expecting value: line 1 column 1API 返回了非 JSON 内容核对 api_key 与 base_url确认网络可达HTTP 504 Gateway Timeout服务繁忙或响应过慢调大 timeout 参数或更换更快的模型部分依赖安装失败缺少 C 编译环境安装 C 构建工具链后重试切换 embedding 模型后检索异常旧向量库与新模型不兼容清空向量库后重建这是一个本地运行的长篇小说生成工作台几章短篇幅即可验证完整流程。下一步建议试一下一致性审校功能。【免费下载链接】AI_NovelGenerator使用ai生成多章节的长篇小说自动衔接上下文、伏笔项目地址: https://gitcode.com/GitHub_Trending/ai/AI_NovelGenerator创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉